Structural and antimicrobial properties of synthesized gold nanoparticles using biological and chemical approaches
Notice bibliographique
Résumé
This study explores the synthesis and characterization of gold nanoparticles (AuNPs) using green and chemical methods, employing ginger extract and curcumin as reducing agents, in comparison to sodium citrate reduction. The biosynthesized AuNPs synthesized with ginger extract exhibited an average hydrodynamic diameter of 15 and 10 nm for curcumin-conjugated AuNPs, while chemically synthesized AuNPs with sodium citrate displayed an average size of 10 nm. Assessments via Zeta potential measurements revealed negative surface charges across all samples, with the curcumin-conjugated AuNPs showing −36.3 mV, ginger extract-synthesized AuNPs showing −31.7 mV, and chemically produced gold nanoparticles having a surface charge of −40.4 mV. Transmission Electron Microscopy (TEM) confirmed spherical morphologies for the synthesized nanoparticles,and it revealed the presence of biomolecules embedded within the nanoparticles synthesized using biological materials, whereas chemically synthesized AuNPs lacked such features. The FTIR spectra of the biosynthesized AuNPs highlighted the presence of phenolic and aromatic compounds from the ginger extract and curcumin, indicating their role in coating the nanoparticles. Gas chromatography-mass spectrometry (GC-MS) analysis identified gingerol as a key component in the ginger extract, contributing to nanoparticle capping. The antimicrobial efficacy of the AuNPs was evaluated against P. aeruginosa , E. coli , and S. aureus , revealing superior activity for curcumin-AuNPs, with ginger-AuNPs also outperforming chemically synthesized counterparts. These findings confirm the advantages of biological approaches, using a plant extract like ginger and pure curcumin suspension, for better size distribution when used as reducing agents, along with improved antimicrobial efficacy compared to chemically produced gold nanoparticles synthesized with sodium citrate. This study also highlight the potential of green-synthesized AuNPs in biomedical applications, due to their enhanced stability from higher surface charge and the repeatability of biological methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».